MiMo-V2.5 ialah model omnimodal natif Xiaomi untuk memahami teks, imej, video dan audio dalam satu seni bina. Ia menggabungkan persepsi multimodal dengan penaakulan konteks panjang dan aliran kerja ejen. Pengeluar menerangkan model campuran pakar sparse dengan 310B parameter keseluruhan dan 15B parameter diaktifkan. Responsnya ialah hasil teks atau arahan alat yang boleh digunakan oleh aplikasi sokongan; memahami input audio atau visual berbeza daripada menjana media baharu.
Backbone bahasanya dibina atas seni bina MiMo-V2-Flash, menggabungkan perhatian tetingkap gelongsor dan perhatian global dalam corak 5:1 dengan tetingkap setempat 128 token. Xiaomi menambah vision transformer khusus dengan 729M parameter dan pengekod audio dengan 261M parameter yang dimulakan daripada MiMo-Audio. Tiga modul ramalan berbilang token menyokong speculative decoding. Tetingkap perhatian setempat ialah butiran seni bina; pengeluar menetapkan konteks jauh lebih besar, sehingga sejuta token, bagi sejarah tugasan gabungan.
Untuk analisis imej, berikan sumber yang boleh dibaca dan kenal pasti hubungan atau butiran yang perlu dijelaskan oleh jawapan. Tugasan dokumen boleh meminta jadual medan yang diperhatikan bersama halaman atau kawasan yang sepadan; tugasan reka bentuk boleh menghubungkan susun atur tangkapan skrin dengan keperluan pelaksanaan. Kekalkan imej sumber supaya teks kecil, bilangan atau pemerhatian ruang dapat disemak. Minta model mengekalkan bukti yang tidak jelas sebagai tidak pasti, bukan menukar tanda samar menjadi nilai yang dinyatakan dengan yakin.
Untuk video atau audio, padankan bahan yang dibekalkan dengan soalan berfokus dan konteks yang diperlukan untuk mentafsirkannya. Aliran kerja yang berguna ialah menerangkan jujukan tindakan antara muka daripada rakaman, mengenal pasti bahagian tingkah laku yang diperhatikan menyimpang daripada langkah yang diingini, dan menyediakan diagnosis berdasarkan selang yang berkaitan. Kekalkan kronologi serta rakaman asal untuk semakan. Output teks boleh menjadi input kepada laporan, penambahan sari kata atau langkah penyuntingan kemudian tanpa mendakwa bahawa output itu sendiri ialah video atau trek suara yang baru dijana.
Untuk tugasan ejen, bekalkan matlamat, bahan sumber berkaitan dan kontrak input bagi alat yang disediakan oleh aplikasi. Kekalkan output alat sebenar dalam sejarah supaya model boleh menyesuaikan langkah seterusnya dengan perkara yang berlaku. Tugasan repositori boleh menggabungkan kod, tangkapan skrin hasil dan output semakan untuk menghasilkan cadangan perubahan yang berfokus. Catat sama ada operasi yang terhasil telah dilaksanakan dan sama ada hasil yang diperhatikan memenuhi tingkah laku yang diminta.
Urutan latihan pengeluar bermula dengan pralatihan teks, memanaskan projektor visual dan audio, kemudian diteruskan dengan pralatihan multimodal. Latihan ejen terselia memanjangkan konteks secara berperingkat dari 32K melalui 256K hingga 1M; reinforcement learning dan penyulingan on-policy berbilang pengajar kemudian membangunkan persepsi, penaakulan dan tingkah laku ejen. Pengeluar melaporkan kira-kira 48 trilion token latihan. Sejarah latihan ini menerangkan gabungan skop input dan tugasan tanpa menjamin hasil bagi rakaman atau repositori tertentu.
Ringkasan model menyatakan sokongan sehingga 1M token, manakala contoh penyajian yang diterbitkan menggunakan konfigurasi konteks 262,144 token. Bezakan kapasiti model daripada tetingkap kerja pelaksanaan yang dipilih, dan tinggalkan ruang untuk respons yang dijana serta hasil alat berterusan. Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk inferens setempat. Prapemprosesan media serta kawalan aplikasi perlu mengikuti antara muka khusus yang digunakan bagi tugasan.
MiMo-V2.5 ialah saudara omnimodal kepada MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Kekalkan perbezaan edisi itu dalam rekod hasil. Hasil akhir yang berguna ialah penjelasan, pengekstrakan atau cadangan perubahan yang dihubungkan dengan teks dan media yang dibekalkan, dengan pemerhatian tidak pasti serta hasil alat yang belum disahkan kekal tersedia untuk dibetulkan.
", "aboutText": "MiMo-V2.5 ialah model omnimodal natif Xiaomi untuk memahami teks, imej, video dan audio dalam satu seni bina. Ia menggabungkan persepsi multimodal dengan penaakulan konteks panjang dan aliran kerja ejen. Pengeluar menerangkan model campuran pakar sparse dengan 310B parameter keseluruhan dan 15B parameter diaktifkan. Responsnya ialah hasil teks atau arahan alat yang boleh digunakan oleh aplikasi sokongan; memahami input audio atau visual berbeza daripada menjana media baharu.\n\nBackbone bahasanya dibina atas seni bina MiMo-V2-Flash, menggabungkan perhatian tetingkap gelongsor dan perhatian global dalam corak 5:1 dengan tetingkap setempat 128 token. Xiaomi menambah vision transformer khusus dengan 729M parameter dan pengekod audio dengan 261M parameter yang dimulakan daripada MiMo-Audio. Tiga modul ramalan berbilang token menyokong speculative decoding. Tetingkap perhatian setempat ialah butiran seni bina; pengeluar menetapkan konteks jauh lebih besar, sehingga sejuta token, bagi sejarah tugasan gabungan.\n\nUntuk analisis imej, berikan sumber yang boleh dibaca dan kenal pasti hubungan atau butiran yang perlu dijelaskan oleh jawapan. Tugasan dokumen boleh meminta jadual medan yang diperhatikan bersama halaman atau kawasan yang sepadan; tugasan reka bentuk boleh menghubungkan susun atur tangkapan skrin dengan keperluan pelaksanaan. Kekalkan imej sumber supaya teks kecil, bilangan atau pemerhatian ruang dapat disemak. Minta model mengekalkan bukti yang tidak jelas sebagai tidak pasti, bukan menukar tanda samar menjadi nilai yang dinyatakan dengan yakin.\n\nUntuk video atau audio, padankan bahan yang dibekalkan dengan soalan berfokus dan konteks yang diperlukan untuk mentafsirkannya. Aliran kerja yang berguna ialah menerangkan jujukan tindakan antara muka daripada rakaman, mengenal pasti bahagian tingkah laku yang diperhatikan menyimpang daripada langkah yang diingini, dan menyediakan diagnosis berdasarkan selang yang berkaitan. Kekalkan kronologi serta rakaman asal untuk semakan. Output teks boleh menjadi input kepada laporan, penambahan sari kata atau langkah penyuntingan kemudian tanpa mendakwa bahawa output itu sendiri ialah video atau trek suara yang baru dijana.\n\nUntuk tugasan ejen, bekalkan matlamat, bahan sumber berkaitan dan kontrak input bagi alat yang disediakan oleh aplikasi. Kekalkan output alat sebenar dalam sejarah supaya model boleh menyesuaikan langkah seterusnya dengan perkara yang berlaku. Tugasan repositori boleh menggabungkan kod, tangkapan skrin hasil dan output semakan untuk menghasilkan cadangan perubahan yang berfokus. Catat sama ada operasi yang terhasil telah dilaksanakan dan sama ada hasil yang diperhatikan memenuhi tingkah laku yang diminta.\n\nUrutan latihan pengeluar bermula dengan pralatihan teks, memanaskan projektor visual dan audio, kemudian diteruskan dengan pralatihan multimodal. Latihan ejen terselia memanjangkan konteks secara berperingkat dari 32K melalui 256K hingga 1M; reinforcement learning dan penyulingan on-policy berbilang pengajar kemudian membangunkan persepsi, penaakulan dan tingkah laku ejen. Pengeluar melaporkan kira-kira 48 trilion token latihan. Sejarah latihan ini menerangkan gabungan skop input dan tugasan tanpa menjamin hasil bagi rakaman atau repositori tertentu.\n\nRingkasan model menyatakan sokongan sehingga 1M token, manakala contoh penyajian yang diterbitkan menggunakan konfigurasi konteks 262,144 token. Bezakan kapasiti model daripada tetingkap kerja pelaksanaan yang dipilih, dan tinggalkan ruang untuk respons yang dijana serta hasil alat berterusan. Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk inferens setempat. Prapemprosesan media serta kawalan aplikasi perlu mengikuti antara muka khusus yang digunakan bagi tugasan.\n\nMiMo-V2.5 ialah saudara omnimodal kepada MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Kekalkan perbezaan edisi itu dalam rekod hasil. Hasil akhir yang berguna ialah penjelasan, pengekstrakan atau cadangan perubahan yang dihubungkan dengan teks dan media yang dibekalkan, dengan pemerhatian tidak pasti serta hasil alat yang belum disahkan kekal tersedia untuk dibetulkan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.xiaomi/mimo-v2.5MiMo-V2.5 memahami teks, imej, video dan audio dalam satu model untuk analisis multimodal dan tugas ejen. Xiaomi mendokumenkan 310B jumlah parameter, 15B parameter aktif dan konteks sehingga satu juta token, dengan pengekod penglihatan dan audio khusus.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiMo-V2.5 ialah model omnimodal natif Xiaomi untuk memahami teks, imej, video dan audio dalam satu seni bina. Ia menggabungkan persepsi multimodal dengan penaakulan konteks panjang dan aliran kerja ejen. Pengeluar menerangkan model campuran pakar sparse dengan 310B parameter keseluruhan dan 15B parameter diaktifkan. Responsnya ialah hasil teks atau arahan alat yang boleh digunakan oleh aplikasi sokongan; memahami input audio atau visual berbeza daripada menjana media baharu.
Backbone bahasanya dibina atas seni bina MiMo-V2-Flash, menggabungkan perhatian tetingkap gelongsor dan perhatian global dalam corak 5:1 dengan tetingkap setempat 128 token. Xiaomi menambah vision transformer khusus dengan 729M parameter dan pengekod audio dengan 261M parameter yang dimulakan daripada MiMo-Audio. Tiga modul ramalan berbilang token menyokong speculative decoding. Tetingkap perhatian setempat ialah butiran seni bina; pengeluar menetapkan konteks jauh lebih besar, sehingga sejuta token, bagi sejarah tugasan gabungan.
Untuk analisis imej, berikan sumber yang boleh dibaca dan kenal pasti hubungan atau butiran yang perlu dijelaskan oleh jawapan. Tugasan dokumen boleh meminta jadual medan yang diperhatikan bersama halaman atau kawasan yang sepadan; tugasan reka bentuk boleh menghubungkan susun atur tangkapan skrin dengan keperluan pelaksanaan. Kekalkan imej sumber supaya teks kecil, bilangan atau pemerhatian ruang dapat disemak. Minta model mengekalkan bukti yang tidak jelas sebagai tidak pasti, bukan menukar tanda samar menjadi nilai yang dinyatakan dengan yakin.
Untuk video atau audio, padankan bahan yang dibekalkan dengan soalan berfokus dan konteks yang diperlukan untuk mentafsirkannya. Aliran kerja yang berguna ialah menerangkan jujukan tindakan antara muka daripada rakaman, mengenal pasti bahagian tingkah laku yang diperhatikan menyimpang daripada langkah yang diingini, dan menyediakan diagnosis berdasarkan selang yang berkaitan. Kekalkan kronologi serta rakaman asal untuk semakan. Output teks boleh menjadi input kepada laporan, penambahan sari kata atau langkah penyuntingan kemudian tanpa mendakwa bahawa output itu sendiri ialah video atau trek suara yang baru dijana.
Untuk tugasan ejen, bekalkan matlamat, bahan sumber berkaitan dan kontrak input bagi alat yang disediakan oleh aplikasi. Kekalkan output alat sebenar dalam sejarah supaya model boleh menyesuaikan langkah seterusnya dengan perkara yang berlaku. Tugasan repositori boleh menggabungkan kod, tangkapan skrin hasil dan output semakan untuk menghasilkan cadangan perubahan yang berfokus. Catat sama ada operasi yang terhasil telah dilaksanakan dan sama ada hasil yang diperhatikan memenuhi tingkah laku yang diminta.
Urutan latihan pengeluar bermula dengan pralatihan teks, memanaskan projektor visual dan audio, kemudian diteruskan dengan pralatihan multimodal. Latihan ejen terselia memanjangkan konteks secara berperingkat dari 32K melalui 256K hingga 1M; reinforcement learning dan penyulingan on-policy berbilang pengajar kemudian membangunkan persepsi, penaakulan dan tingkah laku ejen. Pengeluar melaporkan kira-kira 48 trilion token latihan. Sejarah latihan ini menerangkan gabungan skop input dan tugasan tanpa menjamin hasil bagi rakaman atau repositori tertentu.
Ringkasan model menyatakan sokongan sehingga 1M token, manakala contoh penyajian yang diterbitkan menggunakan konfigurasi konteks 262,144 token. Bezakan kapasiti model daripada tetingkap kerja pelaksanaan yang dipilih, dan tinggalkan ruang untuk respons yang dijana serta hasil alat berterusan. Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk inferens setempat. Prapemprosesan media serta kawalan aplikasi perlu mengikuti antara muka khusus yang digunakan bagi tugasan.
MiMo-V2.5 ialah saudara omnimodal kepada MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Kekalkan perbezaan edisi itu dalam rekod hasil. Hasil akhir yang berguna ialah penjelasan, pengekstrakan atau cadangan perubahan yang dihubungkan dengan teks dan media yang dibekalkan, dengan pemerhatian tidak pasti serta hasil alat yang belum disahkan kekal tersedia untuk dibetulkan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had xiaomi/mimo-v2.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='xiaomi/mimo-v2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='xiaomi/mimo-v2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra xiaomi/mimo-v2.5
Gunakan laluan kaedah yang dipaparkan di atas.
xiaomi/mimo-v2.5MiMo-V2.5 memahami teks, imej, video dan audio dalam satu model untuk analisis multimodal dan tugas ejen. Xiaomi mendokumenkan 310B jumlah parameter, 15B parameter aktif dan konteks sehingga satu juta token, dengan pengekod penglihatan dan audio khusus.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiMo-V2.5 ialah model omnimodal natif Xiaomi untuk memahami teks, imej, video dan audio dalam satu seni bina. Ia menggabungkan persepsi multimodal dengan penaakulan konteks panjang dan aliran kerja ejen. Pengeluar menerangkan model campuran pakar sparse dengan 310B parameter keseluruhan dan 15B parameter diaktifkan. Responsnya ialah hasil teks atau arahan alat yang boleh digunakan oleh aplikasi sokongan; memahami input audio atau visual berbeza daripada menjana media baharu.
Backbone bahasanya dibina atas seni bina MiMo-V2-Flash, menggabungkan perhatian tetingkap gelongsor dan perhatian global dalam corak 5:1 dengan tetingkap setempat 128 token. Xiaomi menambah vision transformer khusus dengan 729M parameter dan pengekod audio dengan 261M parameter yang dimulakan daripada MiMo-Audio. Tiga modul ramalan berbilang token menyokong speculative decoding. Tetingkap perhatian setempat ialah butiran seni bina; pengeluar menetapkan konteks jauh lebih besar, sehingga sejuta token, bagi sejarah tugasan gabungan.
Untuk analisis imej, berikan sumber yang boleh dibaca dan kenal pasti hubungan atau butiran yang perlu dijelaskan oleh jawapan. Tugasan dokumen boleh meminta jadual medan yang diperhatikan bersama halaman atau kawasan yang sepadan; tugasan reka bentuk boleh menghubungkan susun atur tangkapan skrin dengan keperluan pelaksanaan. Kekalkan imej sumber supaya teks kecil, bilangan atau pemerhatian ruang dapat disemak. Minta model mengekalkan bukti yang tidak jelas sebagai tidak pasti, bukan menukar tanda samar menjadi nilai yang dinyatakan dengan yakin.
Untuk video atau audio, padankan bahan yang dibekalkan dengan soalan berfokus dan konteks yang diperlukan untuk mentafsirkannya. Aliran kerja yang berguna ialah menerangkan jujukan tindakan antara muka daripada rakaman, mengenal pasti bahagian tingkah laku yang diperhatikan menyimpang daripada langkah yang diingini, dan menyediakan diagnosis berdasarkan selang yang berkaitan. Kekalkan kronologi serta rakaman asal untuk semakan. Output teks boleh menjadi input kepada laporan, penambahan sari kata atau langkah penyuntingan kemudian tanpa mendakwa bahawa output itu sendiri ialah video atau trek suara yang baru dijana.
Untuk tugasan ejen, bekalkan matlamat, bahan sumber berkaitan dan kontrak input bagi alat yang disediakan oleh aplikasi. Kekalkan output alat sebenar dalam sejarah supaya model boleh menyesuaikan langkah seterusnya dengan perkara yang berlaku. Tugasan repositori boleh menggabungkan kod, tangkapan skrin hasil dan output semakan untuk menghasilkan cadangan perubahan yang berfokus. Catat sama ada operasi yang terhasil telah dilaksanakan dan sama ada hasil yang diperhatikan memenuhi tingkah laku yang diminta.
Urutan latihan pengeluar bermula dengan pralatihan teks, memanaskan projektor visual dan audio, kemudian diteruskan dengan pralatihan multimodal. Latihan ejen terselia memanjangkan konteks secara berperingkat dari 32K melalui 256K hingga 1M; reinforcement learning dan penyulingan on-policy berbilang pengajar kemudian membangunkan persepsi, penaakulan dan tingkah laku ejen. Pengeluar melaporkan kira-kira 48 trilion token latihan. Sejarah latihan ini menerangkan gabungan skop input dan tugasan tanpa menjamin hasil bagi rakaman atau repositori tertentu.
Ringkasan model menyatakan sokongan sehingga 1M token, manakala contoh penyajian yang diterbitkan menggunakan konfigurasi konteks 262,144 token. Bezakan kapasiti model daripada tetingkap kerja pelaksanaan yang dipilih, dan tinggalkan ruang untuk respons yang dijana serta hasil alat berterusan. Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk inferens setempat. Prapemprosesan media serta kawalan aplikasi perlu mengikuti antara muka khusus yang digunakan bagi tugasan.
MiMo-V2.5 ialah saudara omnimodal kepada MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Kekalkan perbezaan edisi itu dalam rekod hasil. Hasil akhir yang berguna ialah penjelasan, pengekstrakan atau cadangan perubahan yang dihubungkan dengan teks dan media yang dibekalkan, dengan pemerhatian tidak pasti serta hasil alat yang belum disahkan kekal tersedia untuk dibetulkan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had xiaomi/mimo-v2.5 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra xiaomi/mimo-v2.5
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.